面向限定域的深度语义事件泛化研究

事件泛化是构建事理图谱关键步骤,当前基于聚类和分类的事件泛化框架忽视了领域知识的结构特征和动态变化,难以适用于限定域的事件泛化。本研究提出一个基于深度语义匹配的限定域事件泛化框架,该框架由深度语义计算和种子事件匹配两个模块组成,能有效解决领域知识动态融合和事件语义对齐等问题。以旅游领域数据为例,通过实验证明该事件泛化框架较之于聚类和分类框架具有更好的准确性、稳定性和迁移能力。

轨道交通运营风险事件的事理图谱构建及演化分析

为厘清轨道交通运营风险中碎片化、口语化事件信息的演化逻辑,以轨道交通运营风险事件新闻中的部分内容作为数据源,抽取事件信息和事件关系,通过Neo4j构建轨道交通运营风险事件的事理图谱,进而利用Bert模型、层次聚类和莱文斯坦距离对风险事件进行泛化,并进一步梳理得出泛化事件的逻辑关系,由此得到轨道交通运营风险事件的演化路径和发展方向。研究结果表明:层次聚类方法中轮廓系数大于0.9,本文方法具有可行性。研究结果可为轨道交通运营风险防范及应急决策选择提供参考和支持。

基于事理图谱的网络舆情事件预测方法研究

[目的/意义]互联网的开放式传播给网络舆情的监管和治理带来困难。准确地预测网络舆情事件能够帮助政府等相关部门及时、有针对性地采取引导措施,控制网络舆情的传播。[方法/过程]首先采集网络舆情数据构建事理图谱,通过改进聚类算法实现舆情事件泛化,构建抽象事理图谱。根据抽象事理图谱中事件演化方向和概率大小,预测网络舆情事件。[结果/结论]医疗网络舆情实证结果表明,该方法可以较好地预测舆情事件,准确率达到72.03%。网络舆情事件预测有效地补充了现有网络舆情预测研究仅关注热度、情感和话题的不足,为更精准地实现网络舆情治理提供了支持。